Anda di halaman 1dari 1

Wahyu Septiana

3612100011
1. Input data
2. Pilih analyze -> scale -> MDS (ALSCAL)
3. Masukkan semua data ke variabel. Untuk distance pilih create distance
from data (ingin

melihat jarak diantara variabel tersebut) karena input

analisa MDS adalah mariks persamaan atau matriks jarak sehingga dengan
pilihan ini, SPSS akan langsung membuat matriks jarak yang akan diolah
untuk membentuk perceptual map
4. Klik measure -> pada interval pilih squared Euclidean distance untuk
penyeragaman sehingga akan diperoleh jarak kuadrat dari masing-masing
objek -> standardize dengan zscore antar variabel, maksudnya yaitu yang
distandarisasi (di zscore kan adalah angka variabel) -> untuk create
distance matriks pilih between cases maksunya SPSS akan membuta
matriks jarak antar objek, bukan antar variabel yang akan dijadikan input
untuk pengelolaan perceptual map -> continue
5. Pilih model -> pada level of measurement pilih ratio (karena data yang
akan digunakan adalah rasio)
6. Pilih option -> untuk display pilih group plots dan data matriks sehingga
outputnya dapat diperoleh scatterplot dan data masing-masing obyek dalam
perceptual map -> continue -> ok

Intepretasi

Dilihat dari tabel case processing summary dapat dilihat bahwa nilai N valid dan
presentasenya adalah 100% maka dapat disimpulkan bahwa data yang telah di

input tersebut merupakan data yang valid


Kemudian dapat dilihat pada matrik Euclidean model dan dilihat sebaran
variabel yang paling paling aneh atau yang paling jauh.
o Jika melihat sumbu X, semakin ke kanan dan semakin jauh maka variabel
tersebut semakin +. Seperti pada hasil running spss dapat dilihat bahwa
variabel 5 (Kota Surabaya) terletak paling jauh dari sumbu X dengan
o

konsumsi yang paling besar dan jumlah RTH yang paling kecil
Jika melihat sumbu Y, semakin ke atas dan semakin jauh maka variabel
tersebut semakin +. Seperti pada hasil running SPSS dapat dilihat variabel 6
(Sidoarjo) yang terletak paling jauh dari sumbu Y dengan nilai PDRB paling
besar dibandingkan dengan kota yang lain.